(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211207805.4 (22)申请日 2022.09.30 (71)申请人 湖北省电力勘测设计院有限公司 地址 430040 湖北省武汉市金银湖街 新桥 四路1号 (72)发明人 魏鑫　丁亚洲　吏军平　戴明松　 王小丽　王新安　田其　黄先绪　 冯发杰　王汉广　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 罗飞 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/22(2022.01) G06V 10/25(2022.01)G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于级联网络的绝缘子自爆检测方法 及系统 (57)摘要 本发明公开了一种基于级联网络的绝缘子 自爆检测方法及系统， 其中的方法包括： 预先构 建并训练包含目标检测模型和实例分割模型的 级联网络； 接着采集待监测区域的航拍绝缘子图 像， 并进行预处理； 然后利用级联网络的目标检 测模型对预处理后的航拍绝缘子图像进行检测， 得到绝缘子的检测结果图像； 再根据定位边界框 对检测结果图像进行裁剪， 将 裁剪后的图像作为 感兴趣区域； 最后利用Mask  R‑CNN实例分割网络 对感兴趣区域的绝缘子缺失故障进行分割， 并得 到检测结果。 本发明可以解决背景复杂， 图像失 真以及信噪比低的问题， 提高检测的精度。 权利要求书1页 说明书7页 附图2页 CN 115546664 A 2022.12.30 CN 115546664 A 1.一种基于级联网络的绝 缘子自爆检测方法， 其特 征在于， 包括： 预先构建并训练包含目标检测模型和实例分割模型的级联网络， 其中， 目标检测模型 采用YOLOV5算法的网络结构， 实例分割模型采用Mask  R‑CNN实例分割网络； 采集待监测区域的航拍绝 缘子图像， 并进行 预处理； 利用级联网络的目标检测模型对预处理后的航拍绝缘子图像进行检测， 得到绝缘子的 检测结果图像， 其中， 检测结果图像包括 绝缘子串的位置信息， 位置信息为定位 边界框； 根据定位 边界框对检测结果图像进行裁 剪， 将裁剪后的图像作为感兴趣区域； 利用Mask  R‑CNN实例分割网络对感兴趣区域的绝缘子缺失故障进行分割， 并得到检测 结果。 2.如权利 要求1所述的基于级联网络的绝缘子自爆检测方法， 其特征在于， Mask  R‑CNN 实例分割网络包括主干网络、 特 征金字塔模块、 候选 框生成网络和掩膜生成模块。 3.如权利要求2所述的基于级联网络的绝缘子自爆检测方法， 其特征在于， 特征金字塔 模块为FPN， 包括一个自底向上的金字塔， 一个自顶向下的金字塔， 然后将两个金字塔进行 横向连接， 对具有高分辨 率浅层和具有丰富语义信息深层的特 征进行融合。 4.如权利要求2所述的基于级联网络的绝缘子自爆检测方法， 其特征在于， 利用Mask   R‑CNN实例分割网络对感兴趣区域的绝缘子缺失故障进行分割包括两个阶段， 第一个阶段 是扫描输入的感兴趣区域图像并生成区域提议， 区域提议表示有可能包含一个目标的区 域， 第二个阶段通过一个卷积网络分支预测图像的类别和 边界框偏移量， 并通过另一个掩 膜预测分支为每 个感兴趣区域输出一个对象像素级掩膜。 5.一种基于级联网络的绝 缘子自爆检测系统， 其特 征在于， 包括： 网络构建模块， 用于预先构建并训练包含目标检测模型和实例分割模型的级联网络， 其中， 目标检测 模型采用YOLOV5算法的网络结构， 实例分割模型采用Mask  R‑CNN实例分割 网络； 图像预处 理模块， 用于采集待监测区域的航拍绝 缘子图像， 并进行 预处理； 目标检测模块， 用于利用级联网络的目标检测模型对预处理后的航拍绝缘子图像进行 检测， 得到绝缘子的检测结果图像， 其中， 检测结果图像包括绝缘子串的位置信息， 位置信 息为定位 边界框； 图像裁剪模块， 用于根据定位边界框对检测结果图像进行裁剪， 将裁剪后的图像作为 感兴趣区域； 实例分割模块， 用于利用Mask  R‑CNN实例分割网络对感兴趣区域的绝缘子缺失故障进 行分割， 并得到检测结果。 6.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被执行时实 现如权利要求1至4中任一项权利要求所述的方法。 7.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至4中任一项权利要 求所述的方法。权　利　要　求　书 1/1 页 2 CN 115546664 A 2一种基于级 联网络的绝缘子自爆检测方 法及系统 技术领域 [0001]本发明涉及电力线路检测技术领域， 尤其涉及一种基于级联网络的绝缘子自爆检 测方法及系统。 背景技术 [0002]电力基础设施与交通基础设施、 水利基础设施等一同构成了我们当前社会居民生 活、 工业生产的物质基础。 在电力基础设施中， 架空输电线路是我国主要的远距离输电方 式。 为了保证架空输电线路的正常安全运行， 架空输电线路的电力杆塔上需要配置各类保 护器件， 绝缘子就是电力杆塔上一类重要的保护器件， 安装在架空输电线路的电力杆塔上， 起到电气绝缘以及机械固定的作用。 绝缘子根据制 造材料的不同可以分为玻璃绝缘子、 陶 瓷绝缘子以及 复合绝缘子三种主要类型绝缘子， 不同材料 的绝缘子具有不同的物化性质， 在实际使用中根据具体应用场景及任务选择相应的绝缘子。 受雨水、 雷电等野外生化环境 变化的影响， 玻璃 绝缘子在实际使用中可能会发生裂纹以及电击穿， 进而自爆成小碎块， 造 成绝缘子串某一环 缺失， 丧失对于电力线路的防护功能， 威胁输电线路安全。 在电力巡检工 作中， 需要工作人员需要对绝缘子自爆情况进行统计， 及时发现并维护避免造成电力线路 安全事故， 产生更 大的危害。 [0003]传统的绝缘子自爆检测工作主要依赖于电力巡检中的人工观测， 工作人员需要到 实地攀爬电塔或使用望远镜等观测设备去发现绝缘子串中存在的自爆现象， 危险系数较大 同时耗费较多的人力和时间成本 。 [0004]随着无人机技术的成熟以及计算机技术的发展， 电力巡检工作利用无人机搭载光 学摄像头， 提前规划无人机巡航路线以及拍摄位置和角度， 自动获取电力线路上 的绝缘子 设备光学影像数据。 对无人机获取 的绝缘子影像数据进行分析处理， 快速准确自动识别出 绝缘子自爆现象。 但受到野外自然环 境变化、 季节气候以及无人机拍摄角度等因素的影响， 无人机拍摄的绝缘子影像背景差异较大、 绝缘子串 形状、 大小以及色调存在差异， 传统的图 像处理方法检测 绝缘子自爆需要针对各种情况设置单独的滤波器以分离图像绝缘子串和 背景， 进而展开自爆检测工作， 难以应对复杂的无 人机绝缘子串影 像变化。 发明内容 [0005]本发明提供了一种基于级联 网络的绝缘子自爆检测方法及系统， 用以解决或者至 少部分解决现有技 术中存在的检测效果 不佳的技 术问题。 [0006]为了解决上述技术问题， 本发明第一方面提供了一种基于级联网络的绝缘子自爆 检测方法， 包括： [0007]预先构建并训练包含目标检测模型和实例分割模型的级联网络， 其中， 目标检测 模型采用YOLOV5算法的网络结构， 实例分割模型采用Mask  R‑CNN实例分割网络； [0008]采集待监测区域的航拍绝 缘子图像， 并进行 预处理； [0009]利用级联 网络的目标检测模型对预处理后的航拍绝缘子图像进行检测， 得到绝缘说　明　书 1/7 页 3 CN 115546664 A 3